Forscher in Singapur haben die weltweit kleinste LED (Light Emitting Diode) entwickelt, die es ermöglicht, vorhandene Handykameras in hochauflösende Mikroskope umzuwandeln. Die neue LED ist kleiner als die Wellenlänge des Lichts und wurde zum Bau des kleinsten holografischen Mikroskops der Welt verwendet, was den Weg dafür ebnet, dass vorhandene Kameras in alltäglichen Geräten wie Mobiltelefonen nur durch Modifikationen des Siliziumchips und der Software in Mikroskope umgewandelt werden können. Diese Technologie stellt auch einen bedeutenden Fortschritt in der Miniaturisierung der Diagnostik für Indoor-Farmer und nachhaltige Landwirtschaft dar.
Ergänzt wurde dieser Durchbruch durch die Entwicklung eines revolutionären neuronalen Netzwerkalgorithmus durch die Forscher, der in der Lage ist, Objekte zu rekonstruieren, die mit dem holografischen Mikroskop gemessen wurden, und so eine verbesserte Untersuchung mikroskopischer Objekte wie Zellen und Bakterien ermöglicht, ohne dass sperrige herkömmliche Mikroskope oder zusätzliche Optiken erforderlich sind. Die Forschung ebnet auch den Weg für einen großen Fortschritt in der Photonik – den Bau eines leistungsstarken On-Chip-Emitters, der kleiner als ein Mikrometer ist, was lange Zeit eine Herausforderung auf diesem Gebiet war.
Das Licht in den meisten photonischen Chips stammt aus Off-Chip-Quellen, was zu einer geringen Gesamtenergieeffizienz führt und die Skalierbarkeit dieser Chips grundlegend einschränkt. Um dieses Problem anzugehen, haben Forscher On-Chip-Emitter unter Verwendung verschiedener Materialien wie seltenerddotiertem Glas, Ge-auf-Si und heterogen integrierten III-V-Materialien entwickelt. Während auf diesen Materialien basierende Emitter eine vielversprechende Geräteleistung gezeigt haben, bleibt die Integration ihrer Herstellungsprozesse in Standardplattformen mit komplementären Metalloxidhalbleitern (CMOS) eine Herausforderung.
Während Silizium (Si) Potenzial als Kandidatenmaterial für nanoskalige und individuell steuerbare Emitter gezeigt hat, leiden Si-Emitter aufgrund der indirekten Bandlücke unter einer geringen Quanteneffizienz, und dieser grundlegende Nachteil in Kombination mit den Einschränkungen, die durch die verfügbaren Materialien und Fertigungswerkzeuge festgelegt wurden, hat behindert die Realisierung eines kleinen nativen Si-Emitters in CMOS.
In einem kürzlich veröffentlichten Naturkommunikation Aufsatz mit dem Titel „A sub-wavelength Si LED integrated in a CMOS platform“ beschrieben SMART-Forscher ihre Entwicklung des kleinsten bekannten Si-Emitters mit einer Lichtintensität, die mit der von hochmodernen Si-Emittern mit viel größeren Emissionsflächen vergleichbar ist. In einem verwandten Durchbruch stellten die SMART-Forscher kürzlich in einem Artikel mit dem Titel „Simultaneous Spectral Recovery and CMOS micro-LED holography with a untrained Deep Neural Network“ ihre Konstruktion einer neuartigen, untrainierten tiefen neuronalen Netzwerkarchitektur vor, die in der Lage ist, Bilder von einem holografischen Mikroskop zu rekonstruieren in der Zeitschrift veröffentlicht Optik.
Die von den SMART-Forschern entwickelte neuartige LED ist eine CMOS-integrierte LED im Subwellenlängenbereich bei Raumtemperatur, die eine hohe räumliche Intensität (102 ± 48 mW/cm2) aufweist und die kleinste Emissionsfläche (0,09 ± 0,04 μm2) unter allen bekannten Si-Emittern besitzt Wissenschaftliche Literatur. Um eine potenzielle praktische Anwendung zu demonstrieren, integrierten die Forscher diese LED dann in ein holografisches Inline-Inline-Mikroskop aus Silizium im Zentimetermaßstab, das keine Linse oder Lochblende benötigt und in ein Feld integriert ist, das als linsenlose Holografie bekannt ist.
Ein häufig auftretendes Hindernis bei der linsenlosen Holographie ist die rechnerische Rekonstruktion des abgebildeten Objekts. Herkömmliche Rekonstruktionsmethoden erfordern detaillierte Kenntnisse des experimentellen Aufbaus für eine genaue Rekonstruktion und sind empfindlich gegenüber schwer zu kontrollierenden Variablen wie optischen Aberrationen, dem Vorhandensein von Rauschen und dem Zwillingsbildproblem.
Das Forschungsteam entwickelte auch eine tiefe neuronale Netzwerkarchitektur, um die Qualität der Bildrekonstruktion zu verbessern. Dieses neuartige, untrainierte tiefe neuronale Netzwerk enthält eine vollständige Variationsregulierung für erhöhten Kontrast und berücksichtigt die große spektrale Bandbreite der Quelle.
Im Gegensatz zu herkömmlichen Methoden der rechnerischen Rekonstruktion, die Trainingsdaten erfordern, eliminiert dieses neuronale Netzwerk die Notwendigkeit des Trainings, indem es ein physikalisches Modell in den Algorithmus einbettet. Zusätzlich zur holografischen Bildrekonstruktion bietet das neutrale Netzwerk auch eine blinde Wiederherstellung des Quellspektrums aus einem einzelnen gebeugten Intensitätsmuster, was eine bahnbrechende Abkehr von allen früheren überwachten Lerntechniken darstellt.
Das in dieser Studie demonstrierte untrainierte neuronale Netzwerk ermöglicht es Forschern, neuartige Lichtquellen ohne vorherige Kenntnis des Quellspektrums oder Strahlprofils zu verwenden, wie z. B. die neuartige und kleinste bekannte Si-LED, die oben beschrieben wurde und die über eine vollständig kommerzielle, unmodifizierte Bulk-CMOS-Mikroelektronik hergestellt wird.
Die Forscher stellen sich vor, dass diese synergetische Kombination aus CMOS-Mikro-LEDs und dem neuronalen Netzwerk in anderen rechnergestützten Bildgebungsanwendungen eingesetzt werden kann, beispielsweise in einem kompakten Mikroskop zur Verfolgung lebender Zellen oder in der spektroskopischen Bildgebung biologischer Gewebe wie lebender Pflanzen. Diese Arbeit demonstriert auch die Machbarkeit von On-Chip-Bildgebungssystemen der nächsten Generation. Inline-Holographiemikroskope wurden bereits für eine Vielzahl von Anwendungen eingesetzt, darunter Partikelverfolgung, Umweltüberwachung, Abbildung biologischer Proben und Messtechnik. Weitere Anwendungen umfassen die Anordnung dieser LEDs in CMOS, um eine programmierbare kohärente Beleuchtung für komplexere Systeme in der Zukunft zu erzeugen.
Iksung Kang, Hauptautor des Optik Paper und Research Assistant am MIT zum Zeitpunkt dieser Forschung, sagte: „Unser Durchbruch stellt einen Machbarkeitsnachweis dar, der für zahlreiche Anwendungen, die den Einsatz von Mikro-LEDs erfordern, von großer Bedeutung sein könnte. Beispielsweise könnte diese LED zu einem Array kombiniert werden B. für höhere Beleuchtungsstärken, die für Anwendungen in größerem Maßstab benötigt werden. Darüber hinaus kann dies aufgrund der geringen Kosten und Skalierbarkeit von mikroelektronischen CMOS-Prozessen erfolgen, ohne die Komplexität, die Kosten oder den Formfaktor des Systems zu erhöhen. Dies ermöglicht es uns, mit umzuwandeln relativ einfach eine Handykamera in ein holografisches Mikroskop dieser Art. Darüber hinaus könnte die Steuerelektronik und sogar der Imager in denselben Chip integriert werden, indem die verfügbare Elektronik im Prozess genutzt wird, wodurch eine All-in-One-Mikro-LED entsteht das könnte für das Feld transformativ sein.“
„Zusätzlich zu ihrem immensen Potenzial in der linsenlosen Holographie hat unsere neue LED eine breite Palette anderer möglicher Anwendungen. Da ihre Wellenlänge zusammen mit ihrer hohen Intensität und ihrem nanoskaligen Emissionsbereich innerhalb des minimalen Absorptionsfensters biologischer Gewebe liegt, könnte unsere LED dies sein ideal für Bio-Imaging- und Biosensor-Anwendungen, einschließlich Nahfeldmikroskopie und implantierbare CMOS-Geräte“, fügte Rajeev Ram, Hauptforscher bei SMART CAMP und DiSTAP, Professor für Elektrotechnik am MIT und Co-Autor beider Artikel hinzu. „Außerdem ist es möglich, diese LED mit On-Chip-Fotodetektoren zu integrieren, und sie könnte dann weitere Anwendungen in der On-Chip-Kommunikation, NIR-Näherungssensorik und On-Wafer-Tests der Photonik finden.“
Mehr Informationen:
Zheng Li et al, Eine in eine CMOS-Plattform integrierte Si-LED im Subwellenlängenbereich, Naturkommunikation (2023). DOI: 10.1038/s41467-023-36639-1
Iksung Kang et al, Simultaneous Spectral Recovery and CMOS micro-LED holography with a untrained deep neural network, Optik (2022). DOI: 10.1364/OPTICA.470712